SMED-tuotevaihtotekniikka R2-pullotussarjalla ja lyhimmän Hamiltonin polun löytäminen vaihtoaikamatriisista

Abstract

Tämän insinöörityön tarkoituksena oli tutkia SMED-tekniikan hyödyntämistä Altian Rajamäen tehtaan R2-pullotussarjalla tuotevaihtoaikojen pienentämiseksi. Samalla tutkittiin vaihtoajan vaikutusta pullotussarjan tehokkuutta mittaavaan OEE-prosenttiin. Tuotevaihtoajan optimointi on tärkeää yritykselle sen tuomien mahdollisten taloudellisten säästöjen takia. Samalla operaattorien työn mielekkyys paranee kun toiminta pullotussarjalla on johdonmukaista tuotevaihdon aikana. Työssä käytetty SMED-tekniikka on alkujaan lähtöisin Japanista ja se perustuu kahden aikakäsitteen soveltamiseen, sisäisen asetusajan ja ulkoisen asetusajan. On tärkeää ymmärtää toiminnan tärkeys ulkoisen asetusajan piirissä ja samalla pyrkiä minimoimaan sisäisen asetusajan toiminnot. Tässä työssä tehtiin myös vaihtoaikamatriisi sarjalla pullotuksessa oleville eri pullotyypeille. Matriisi antaa sarjan operaattorille aikaikkunan, jonka puitteissa tuotevaihto tulee suorittaa. Matriisi on tehty SMED-tekniikan pohjalta ja siinä oleviin aikoihin on mahdollista päästä SMED-tekniikkaa käyttäen. Tuloksista todettiin tuotevaihtoajan pienentämisen tuovan merkittävän OEE-prosentin parannuksen.

Työn toisessa osiossa käsitellään tuotannonsuunnittelun näkökulmasta probleemaa, joka voisi vastata kysymykseen optimi pullotyyppijärjestyksestä tuotannossa. Ongelma oli epäsymmetrisen kauppamatkustajan ongelman, ATSP:n eräs erikoistapaus, lyhimmän Hamiltonin polun löytäminen. Polun löytämiseen käytettiin R-Studio-tietokoneohjelman heuristiikkaa. R-Studio on visuaalisempi käyttöliittymä alkuperäisestä R-ohjelmasta. Kompleksisuusteorian mukaan kyseessä oli NP-täydellinen ongelma, jossa mahdollisten ratkaisujen lukumäärä kasvaa eksponentiaalisesti suhteessa muuttujien lisääntymiseen. Ratkaisuehdotuksessa päädyttiin käyttämään ohjelmiston TSP-ratkaisupakettia ”nearest_insertion”-menetelmällä. Ohjelman antama ratkaisu toimi tyydyttävästi ja tulos oli yksi käyttökelpoisista. Tulee huomioida kuitenkin optimin tarkentuvan toistojen lisääntyessä. Tulos oli kuitenkin parempi kuin satunnaisesti valittu järjestys.

The purpose of this Bachelor’s thesis was to research the benefits of the SMED technique in product changeover and to discover its effects on the OEE percent in Altia’s Rajamäki plant. Optimizing the product changeover time is important when the goals in effectiveness have to be achieved. A more important goal than effectiveness is the company’s financial savings which come from reduced changeover time. When the product changeover is rationalized and streamlined, it improves the employees’ satisfaction with their work as well. SMED changeover technique was originally invented in Japan and was implemented in Toyota factory in the first place. The key in implementing SMED is to understand the difference between inner setup time and external setup time These two time concepts are the basis of SMED. Main goal in SMED changeover is to maximize the external setup time and minimize the inner. A changeover matrix was made for operators to use. The matrix consists of changeover times from one bottle type to another. Achieving the times presented in matrix is possible when the implementation of SMED is done correctly. The results showed that cutting changeover time has relatively large positive effect on the OEE percent.

The second part of this thesis is about finding effective ways to solve the production planning problem about finding a feasible bottling order from the changeover matrix. The problem is known as Asymmetric Travelling Salesman Problem and its special case, finding the shortest Hamiltonian Path. The problem is generally known as an NP-Complete problem in the complexity theory, and therefore its solution alternatives increase exponentially towards in relation to the increase in variables. To find this optimum path between the bottle types, a software called R-Studio was used. For solving the path, “nearest_insertion”- method was used from TSP-solving package. The method gave a feasible in bottling order, which was better than random selection. However, the possible optimum improves when the algorithm is repeated.